一种天线性能的优化方法及装置的制造方法
【技术领域】
[0001] 本发明涉及天线优化领域，尤其涉及一种天线性能的优化方法及装置。
【背景技术】
[0002] 天线是射频通信中实现两点之间电磁信号传递的关键，是无线通信系统必不可少 的重要部分。按照工作频段特点，天线可以分为单频天线和多频天线两类。传统的天线设 计采用"尝试-失败-再尝试"的方式，依赖于工程师的设计经验，一般需要在电磁仿真软 件中进行大量的重复迭代测试和仿真以确定适合的几何参数，效率较低。相对于单频天线， 多频天线在尺寸、带宽、极化性、频响和精度方面存在更为苛刻的设计限制，而且各因素之 间互相制约影响，设计难度更大。智能优化算法（粒子群优化、蚁群算法、模拟退火算法等） 通过模拟自然界的进化方法来进行寻优，是解决复杂性工程问题的有效方法，智能优化算 法与专业电磁仿真工具的结合是解决复杂天线设计问题的新方向。
[0003] 尽管现有基于优化算法的天线设计方法已取得一定进展，但其普遍采用"优 化-仿真-再优化"机制，每一次算法优化所得的天线参数必须通过耗时的专业软件仿真进 行验证，若仿真结果不符合设计要求，必须重新设置天线参数，进行重复寻优。随着通信技 术的发展和应用需求的增加，更为复杂的三频、四频天线设计成为了基于智能优化天线设 计的瓶颈难题。同时，目前高效的优化算法都需要进行大量重复的迭代运算，耗时的软件仿 真无法嵌入优化过程，直接评估算法的寻优结果，影响了天线设计的性能和效率。
【发明内容】
[0004] 本发明要解决的技术问题在于，针对上述现有技术方法中需要进行大量重复的迭 代运算，耗时的软件仿真无法嵌入优化过程的问题，提供了一种天线性能的优化方法及装 置。
[0005] 本发明解决其技术问题所采用的方法是：
[0006] 一种天线性能的优化方法，包括以下步骤：
[0007] A、设置天线参数，将其作为待优化变量；
[0008] B、构建训练样本库，依据所述训练样本库对所述待优化变量进行调整，从而建立 天线的性能评估模型；
[0009] C、采用极限学习机建立调整后的待优化变量与回波损耗值之间的估算模型；
[0010] D、依据所述估算模型计算回波损耗的估计值，采用通过估计值所得到优化算法优 化所述待优化变量，从而联合优化天线性能。
[0011] 在本发明所述的优化方法中，所述步骤A包括以下子步骤：
[0012] A1、设置天线参数；
[0013] A2、将所述天线参数作为n个待优化变量Xl，x2,. . .，xn，并分别设置所述n个待优 化变量的取值范围。
[0014] 在本发明所述的优化方法中，所述步骤B包括以下子步骤：
[0015] B1、通过预设的电磁场仿真工具间隔获取m个训练样本①=(gpSihi = 1，...， m，构建训练样本库，其中，gi= [g u，gi,2,. . .，gi,D]为D维天线设计的几何参数向量，^为 所述gi对应的回波损耗软件仿真结果；
[0016] B2、依据所述训练样本库并使用极限学习机对所述n个待优化变量在各自的取值 范围内进行调整；
[0017] B3、依据所调整的所述n个待优化变量建立天线的性能评估模型。
[0018] 在本发明所述的优化方法中，所述步骤C包括以下子步骤：
[0019] C1、使用随机特征映射h(g) = [hjg)，h2(g)，…，hjg)]将输入向量g映射至L 维线性可分空间，其隐含层输出矩阵H为：
[0020] H = [h (gj)T, h (g2)T, . . . , h (gN)T]T
[0021] C2、采用极限学习机建立调整后的待优化变量与回波损耗值之间的估算模型 f(g)：
[0022]
【主权项】
1. 一种天线性能的优化方法，其特征在于，包括以下步骤： A、 设置天线参数，将其作为待优化变量； B、 构建训练样本库，依据所述训练样本库对所述待优化变量进行调整，从而建立天线 的性能评估t吴型； C、 采用极限学习机建立调整后的待优化变量与回波损耗值之间的估算模型； D、 依据所述估算模型计算回波损耗的估计值，采用通过估计值所得到优化算法优化所 述待优化变量，从而联合优化天线性能。
2. 根据权利要求1所述的优化方法，其特征在于，所述步骤A包括以下子步骤： A1、设置天线参数； A2、将所述天线参数作为n个待优化变量Xl，x2，…，xn，并分别设置所述n个待优化变 量的取值范围。
3. 根据权利要求2所述的优化方法，其特征在于，所述步骤B包括以下子步骤： B1、通过预设的电磁场仿真工具间隔获取m个训练样本①=(gpsj，i= 1，. . .，m， 构建训练样本库，其中，gi=[gu，gi,2,. . .，gi,D]为D维天线设计的几何参数向量，Si为所 述gi对应的回波损耗软件仿真结果； B2、依据所述训练样本库并使用极限学习机对所述n个待优化变量在各自的取值范围 内进行调整； B3、依据所调整的所述n个待优化变量建立天线的性能评估模型。
4. 根据权利要求3所述的设备动态优化维护方法，其特征在于，所述步骤C包括以下子 步骤： C1、使用随机特征映射h(g) = [hjg)，h2(g)，. . .，hjg)]将输入向量g映射至L维线 性可分空间，其隐含层输出矩阵H为： H= [h(g!)T,h(g2)T, . . . ,h(gN)T]T C2、采用极限学习机建立调整后的待优化变量与回波损耗值之间的估算模型f(g):
其中，I为mXm的单位矩阵，C为正则化常量，s为训练样本集中的回波损耗向量，s= [Sp S。，? ? ?，Sn]〇
5. 根据权利要求4所述的设备动态优化维护方法，其特征在于，所述步骤D包括以下子 步骤： D1、将所述n个待优化变量Xpx2，…，xn输入至极限学习机，以计算回波损耗的估计 值； D2、采用通过估计值所得到优化算法优化所述n个待优化变量Xl，x2，…，xn，并判断所 述n个待优化变量是否满足天线预设的优化要求，若不满足，则转至步骤C。
6. -种天线性能的优化装置，其特征在于，包括： 天线设置模块，用于设置天线参数，将其作为待优化变量； 样本构建模块，用于构建训练样本库，依据所述训练样本库对所述待优化变量进行调 整，从而建立天线的性能评估模型； 模型建立模块，用于采用极限学习机建立调整后的待优化变量与回波损耗值之间的估 算模型； 联合优化模块，用于依据所述估算模型计算回波损耗的估计值，采用通过估计值所得 到优化算法优化所述待优化变量，从而联合优化天线性能。
7. 根据权利要求6所述的优化装置，其特征在于，所述天线设置模块包括： 参数设置单元，用于设置天线参数； 取值设置单元，用于将所述天线参数作为n个待优化变量Xl，x2，…，xn，并分别设置所 述n个待优化变量的取值范围。
8. 根据权利要求7所述的优化装置，其特征在于，所述样本构建模块包括： 样本库构建单元，用于通过预设的电磁场仿真工具间隔获取m个训练样本0) = (gi，Si)，i= 1，. . .，m，构建训练样本库，其中，gi=[gu，gi>2, . . .，gi>D]为D维天线设计的几 何参数向量，Si为所述gi对应的回波损耗软件仿真结果； 取值调整单元，用于依据所述训练样本库并使用极限学习机对所述n个待优化变量在 各自的取值范围内进行调整； 评估单元，用于依据所调整的所述n个待优化变量建立天线的性能评估模型。
9. 根据权利要求8所述的设备动态优化维护装置，其特征在于，所述模型建立模块包 括： 映射单元，用于使用随机特征映射h(g) = [hjg)，h2(g)，. . .，hjg)]将输入向量g映 射至L维线性可分空间，其隐含层输出矩阵H为： H= [h(g!)T,h(g2)T, . . . ,h(gN)T]T 估算单元，用于采用极限学习机建立调整后的待优化变量与回波损耗值之间的估算模 型f(g):
其中，I为mXm的单位矩阵，C为正则化常量，s为训练样本集中的回波损耗向量，s= [Sp S。，? ? ?，Sn]〇
10. 根据权利要求9所述的设备动态优化维护装置，其特征在于，所述联合优化模块包 括： 输入单元，用于将所述n个待优化变量Xl，x2，…，xn输入至极限学习机，以计算回波损 耗的估计值； 优化单元，用于采用通过估计值所得到优化算法优化所述n个待优化变量Xl，&，???，xn，并判断所述n个待优化变量是否满足天线预设的优化要求。
【专利摘要】本发明公开了一种天线性能的优化方法及装置，该方法包括：A.设置天线参数；B.构建训练样本库；C.采用极限学习机建立待优化变量与回波损耗值之间的估算模型；D.联合优化天线性能。如此，通过ELM模型在极短的时间内得到近似估计值，从而有效提升了算法优化时的训练速度。在优化过程中，无需天线精度的回波损耗值，仅需要一个相对准确的估算量，便可确定天线在目标频点是否满足回波损耗要求。此外，ELM模型的训练过程仅需在优化前执行一次，而优化算法在每次计算适应度函数值时，回波损耗的估值过程只需少量矩阵运算即可完成。ELM模型结合模型估算提高了优化性能和效率。
【IPC分类】G06F17-50
【公开号】CN104573216
【申请号】CN201410852116
【发明人】曾启明, 马晓明
【申请人】深圳职业技术学院
【公开日】2015年4月29日
【申请日】2014年12月31日